A lap 2011. január 20., 19:22-kori változata

Forrás

XLS

A tervezett alkalmazás/megoldás címe

Gyári csomagolómunkások elbocsátása hasonlóságelemzéssel

A feladat előtörténete

Manapság egyre többet hallani elbocsátásokról, létszámleépítésekről. Feladatom célja egy fiktív példán keresztül bemutatni hasonlóságelemzés segítségével, hogy elsősorban kitől váljon meg a cég, amennyiben ez a lépés elkerülhetetlenné válik. Célom egy igazságos döntés kialakítása, már amennyire igazságosak lehetünk ebben a nehéz helyzetben.

A feladat megoldás jelenlegi helyzete és ennek értékelése

Úgy gondoltam, ha mindenképpen meg kell válni három alkalmazottól, akkor elsősorban azokkal kezdeném, akik már elérték a nyugdíjkorhatárt. Nem minden esetben gondolom, hogy ez a legjobb megoldás, hisz elég régóta dolgoznak a szervezetnél, munkájukban rutint, tapasztalatot szereztek, megfelelő szaktudással, iskolai végzettséggel rendelkeznek, és az üzemvetető is elégedett munkájukkal. A csomagolóüzemben két munkavállaló van, aki betöltötte a 62. életévét, név szerint Erdei Béla, és Orsós Béla. Így elsősorban őket nyugdíjaznám. A harmadik ember elküldésénél a hibák számát vizsgálnám elsősorban. Az üzem attól kíván megválni, aki a legtöbb hibát követte el. Gáspár József és Nagy Róbertné nevénél 2-2 hiba van rögzítve az adatbázisba, mivel ez alapján nem lehet egyértelmű döntést hozni, ezért a rendelkezésre álló attribútumokat tovább vizsgáljuk. A vizsgált attribútumok alapján Gáspár József bizonyult alkalmasabbnak: fiatalabb, régebb óta dolgozik az üzemben, és ami talán a legfontosabb, a munkakörhöz kapcsolódó szaktudással rendelkezik.

Tehát a jelenlegi helyzetben Erdei Bélától, Orsós Bélától és Nagy Róbertnétől válnék meg. Az alaptáblázat a következő hivatkozás "Alapadatok" című lapfül pontja alatt megtalálható.[1]

Mivel az első két munkavállalónál nem a teljesítmény, és a szaktudás, hanem az évek száma volt a mérvadó, ezért egy másik módszer segítségét is igénybe venném, és nem feltétlenül a nyugdíjkorhatárt elért dolgozóktól válnék meg.

A tervezett megoldás adatvagyonának bemutatása (ANYAG)

Feladatom fiktív adatokon alapul, így az adatgyűjtés nem okozott problémát. Úgy gondoltam, 30 fiktív munkavállalót veszek alapul, melyhez 5 attribútumot rendelek hozzá. Véleményem szerint a 30 személy adata áttekinthetőnek bizonyult a kiindulási adatbázisban és az OAM-ban is. Úgy vélem az 5 attribútum is elegendő volt ahhoz, hogy a munkavállalókat az ismérvek alapján összehasonlítsam.

Objektumok (sorok)

• Álmos Bálint
• Antal Sándor
• Aradi Tamara
• Balogh Ákosné
• Erdei Béla
• Erős Márk
• Gál Veronika
• Gáspár József
• Hajdu Diána
• Halász János
• Hornyák Ágnes
• Horváth Pál
• Juhász Andrásné
• Juhász Márta
• Kiss Tamás
• Kiss Tihamér
• Kovács Adél
• Mészáros Pál
• Nagy Károly
• Nagy Róbertné
• Németh András
• Orsós Béla
• Papp Andor
• Péntek Ferenc
• Pesti Jánosné
• Simon Ádám
• Simonyi Zoltánné
• Szűcs Katalin
• Varga István
• Végh Lajos

Attribútumok (X, Y oszlopok)

X1: Kor (év) – 0 (irány); X2: Iskolai végzettség (kód) – 1 (irány); X3: Szakképzettség (0/1) – 1(irány); X4: Munkában eltöltött idő (év) – 1 (irány); X5: Hibák száma (db) – 0 (irány); Y0: 1000 (pont)

A feladat által érintett célcsoportok

• A feladat célcsoportja azok a HR-es szakemberek, akik részt vesznek a munkaerőtől való megválás folyamatában.
• Példámban a csomagoló üzem HR-ese, vezetői, üzemvezetői.

A módszer segítségükre lehet abban, hogy egy elkerülhetetlen leépítés kapcsán, azon munkaerőtől váljanak meg, amelytől feltétlenül szükséges az adott attribútumok ismeretében.

A feladat megválaszolása kapcsán várható hasznosság

A saját megoldás bemutatása (MÓDSZER)

Hasonlóságelemzésem a következő lépéseket tartalmazza [2]:

• Alapadatok: Fiktív adatok alapján létrehoztam egy alaptáblázatot. A mértékegységek kialakításánál az iskolai végzettség esetében kódolás használtam, melyet a munkalapon rögzítettem.
• Metaadatbázis: Az alaptáblázatból metaadatbázist hoztam létre. A metaadatbázis létrehozásához az Excel táblázat Autoszűrő alkalmazása volt segítségemre, melynek eredményeként egyszerűen és gyorsan kereshetünk rá a tartományban lévő adatcsoportokra és dolgozhatunk azokkal.
• Kimutatás: A következő lépés a Pivot-tábla létrehozása a metaadatbázisból kimutatásvarázslóval. A kimutatást darabra és értékre vonatkozóan is létre kell hozni. A darabszám kimutatás azért fontos, mert megmutatja, ha az előzőek során egy objektumhoz nem csak egy attribútumot rendeltünk hozzá.
• Elemzés(sorrend): Az alapadatok táblázatot Y0 oszloppal láttam el, melynek értékét 1000 pontban állapítottam meg. Majd ugyanezen munkalapon meghatároztam az irányokat. Az irányok kialakításánál a következőképpen jártam el. A kor irányának meghatározásánál a minél nagyobb, annál jobban hasonlít az idealizált személyhez elvet követtem, vagyis ahhoz a személyhez akitől megválna az üzem, így az irány itt 0. Hasonlóképp gondoltam ezt a hibák számánál is, ezért az irány itt is 0. A többi attribútum irányának meghatározásánál pedig a minél kisebb, annál jobban hasonlít az idealizált személyhez elvet alkalmaztam, tehát az iskolai végzettség, a szakképzettség és a munkában eltöltött idő irányának jelölése is 1. Majd az alaptáblázat alapján sorszámfüggvény segítségével egy rangsor táblázatot hoztam létre, amely az objektumokat rangsorolja az egymással összemért attribútum adatok alapján .
• COCO-elemzés: A sorrend felállítása után a rangsor táblázatból a My-X program segítségével elkészítettem a COCO online elemzést, majd ezt bemásoltam a munkalapra. Végül a COCO-mátrix táblázatból hivatkozás segítségével, a becslés pontszámait csökkenő sorrendbe állítva egy végső rangsort alakítottam ki.

Az eredmények értelmezése (EREDMÉNY)

Ajánlások megfogalmazása (KÖVETKEZTETÉS)

Az információ többletérték lehetőségének levezetése (VITA)

Lépcsős függvény átforgatása szakértői rendszerként értelmezhető táblázatba

Kapcsolódó, ill. konkurens megoldások, dokumentumok

https://miau.gau.hu/mediawiki/index.php/Ide%C3%A1lis_sz%C3%B3cikk nyilatkozat és kitöltési segédlet